注意：当您需要对新数据进行预测时，该过程会更加复杂，因为我们需要准备、处理和存储适应数据的协变量、响应变量和站点 ID。 for idp_num, idp in enumerate(idp_ids): print(' Running IDP ', idp_num, idp, ': ') idp_dir = os.path.join(out_dir, idp) os.chdir(idp_dir) # 提取并保存测试集的响应变量 y_te = df_te[idp].to_numpy() # 保存变量 resp_file_te = os.path.join(idp_dir, 'resp_te.txt') np. savetxt(resp_file_te，y_te)#配置并保存设计矩阵cov_file_te = os.path.join(idp_dir，'cov_bspline_te.txt')X_te = create_design_matrix(df_te[cols_cov]，